搜索资源列表
PF-EKF-WSN.rar
- 迭代扩展卡尔曼滤波，实现非线性滤波的功能，应用在无线传感器网络中,Iterative extended Kalman filter, nonlinear filter function implementation, applications in wireless sensor networks
An_improved_ekf_new_methods
- 本文对于非线性非高斯问题，提出了一种改进扩展卡尔曼滤波（NIEKF）新方法。该方法将迭代滤波理论引入到扩展卡尔曼滤波器方法中，有效地重复利用新的测量信息，还利用Levenberg-Marquardt 方法调整预测协方差阵以保证算法具有全局收敛性。实验结果表明，所提方法具有更高的估计精度，是一种效率较高、性能较好的跟踪方法。-This non-Gaussian for nonlinear problems, an improved extended Kalman filter (NIEKF) th
tma_ekf
- 扩展卡尔曼滤波算法是目前最常用的非线性滤波算法之一，其核心思想就是将非线性模型线性化后，然后采用标准的卡尔曼滤波算法进行迭代滤波，这是一种最基本的解决非线性滤波问题的方法，目前在目标跟踪领域得到了广泛的运用。-Extended Kalman filter is the most commonly used one of nonlinear filtering algorithm, the core idea is that the nonlinear model is linearized, a
kalman-example
- 可以对卡尔曼滤波有较为准确的认识与理解，并且对迭代算法有一定的了解。 -Can to kalman filter have relatively accurate knowledge and understanding, and to have some understanding of iterative algorithm.
Tracking-of-Weak-GPS-Signals
- 针对全球定位系统( GPS) 的微弱信号跟踪容易失锁问题, 提出一种新的跟踪方法. 利用平方根卡尔曼滤波算法, 在运算过程中运用误差协方差矩阵的平方根形式进行迭代, 有效减小了舍入误差带来的影响. 提出了一种新的GPS 信号跟踪测量模型, 在连续积分的基础上, 加入了非连续积分过程, 通过有效处理, 避免了导航信息位翻转对信号相关运算产生的影响-Weak signal tracking for the Global Positioning System (GPS), easy to loss o
kalman
- 卡尔曼滤波，通过卡尔曼滤波迭代，求稳态解。-Kalman filter
kalman
- 该函数实现了卡尔曼滤波中关键的循环迭代过程。-This function is the key to achieve a Kalman filter loop iteration.
kalman_BF
- 基于卡尔曼滤波的自适应波束形成，无需估计协方差矩阵，无需特征分解，自适应迭代收敛最优权矢量。-Adaptive beamforming based on Kalman filter.
关于ukf的文章和例程讲解
- ukf适用于非线性估计，通过UT变换和卡尔曼滤波迭代的结合实现最小均方误差估计，能适用于控制系统、目标跟踪等系统中，有着较好的估计效果
Iter_extend_kalman
- Iterated Extended Kalman Filter 迭代扩展卡尔曼滤波（IEKF）算法: an improvement of extended kalman filtering
kalman
- 卡尔曼滤波,通过多次迭代，求出最优解，尽量减少误差-Calman filter, through a number of iterations, to find the optimal solution, as far as possible to reduce the error
nef-1.4.0
- 非线性滤波框架（nef）,包括了 EKF,UKF,DDF1 DDF2,CDF,迭代滤波器,随机积分滤波器, 组合滤波器, 集合卡尔曼滤波, 高斯和滤波，粒子滤波，自回归最小二乘方法-nonlinear estimation framework (NEF) toolbox A. Implemeted local estimation techniques： a1. (extended) Kalman filter a2. Unscented Kalman filter a3.
单站无源定位技术研究与实现
- 提出了改进的结合相位差变化率和多普勒频率变化率的单站无源定位算法。该算法克服了相位差变化率法中对目标运动状态和运动高度的限制及多普勒频率变化率法中波达角变化率信息获得困难，对算法实用性的限制，将两种算法的优点有机结合起来，降低了系统对定位系统前端接收机的设计难度，从而为该算法的硬件实现打下了良好的基础，最后使用迭代扩展卡尔曼滤波算法0Er,．v)对定位结果进行了处理，提高了估计的精度。(An improved single station without phase difference rat
KalmanFiltering
- 扩展卡尔曼滤波算法C语言实现：实现对二维状态变量的预测及跟踪。包括卡尔曼滤波初始化函数，负责初始化状态变量的值，过程噪声，测量噪声，以及状态转移矩阵。 卡尔曼滤波函数负责对状态变量进行迭代滤波，整个过程包括状态预测，协方差预测，测量预测，计算卡尔曼增益，状态量更新，协方差更新。(To realize the prediction and tracking of two dimensional state variables. It includes the initialization func
IEKF
- 迭代扩展卡尔曼滤波例子，可作参考学习（非线性模型）(An example of iterative Kalman filtering can be used as a reference)
卡尔曼滤波
- VB自己编写的卡尔曼滤波程序源代码，每次变化数据源触发该子函数，初始定义完后得出滤波数值，然后自动计算出K+1时刻最优偏差，然后赋值给text1 也就是最优偏差，一直变化，而这个迭代由数据源的变化而触发驱动。(The source code of the Kalman filter program written by VB. Every time the data source changes, the sub-function is triggered. After the initial